淺析人工智能醫學影像應用的現實與挑戰

侯景

摘要：人工智能是未來的發展方向，醫學與人工智能的結合可謂是最有發展前景的領域，是造福人類的重要舉措。當下的人工智能主要在醫學的影像方面發揮作用，主要有深度學習和圖像識別兩種應用，在腫瘤檢查、腫瘤診斷等多個內容中展現出了強大功效，在人工智能醫學影像顯現出強大優勢的同時，挑戰也隨之而來。本文我們針對人工智能醫學影像應用的現實與挑戰進行詳細闡述，進一步加深對人工智能醫學影像的了解，希望能對人工智能醫學影像發展做出積極影響。

Abstract： Artificial intelligence is the future development direction. The combination of medicine and artificial intelligence is the most promising field and an important measure for the benefit of mankind. The current artificial intelligence mainly plays a role in medical imaging. There are mainly two applications of deep learning and image recognition. It has shown powerful effects in tumor examination， tumor diagnosis and other content. At the same time that artificial intelligence medical imaging has shown strong advantages， challenges have followed. In this article， we elaborate on the realities and challenges of artificial intelligence medical imaging applications， and further deepen our understanding of artificial intelligence medical imaging， hoping to have a positive impact on the development of artificial intelligence medical imaging.

關鍵詞：人工智能;醫學影像應用;現實挑戰

Key words： artificial intelligence;medical imaging applications;realistic challenges

中圖分類號：TP18;R445 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻標識碼：A ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文章編號：1006-4311（2020）06-0234-02

0 ?引言

人工智能醫學影像在眾多不同程度的病情診斷上做出了突出貢獻，提供了更高質量的服務，并伴隨著計算機技術發展而逐漸應用成熟化、高端化，能夠對醫學圖像進行精準分析。人工智能醫學影像的開發和應用，大大降低了人為操作影像的失誤率，提高了診斷效率、提高了診斷準確度，給予病人較多幫助。盡管人工智能醫學影像優勢突出，但也同樣面臨著一些挑戰，需要克服、需要再進步，這對于整個醫學行業而言都是一個重要的發展課題。

1 ?傳統人工醫學影像缺陷

人工智能醫學影像在醫學領域的應用，打開了醫學發展的大門、促進了醫院提升診斷效率，實現了醫學影像高效化，在人工智能醫學影像大范圍應用背景下，以往的人工醫學影像缺陷更為突出，可以從幾個方面來進行全面闡述。首先，醫療數據中大部分數據都來自醫學影像，而醫學影像又都是經過人工分析得來，具有很大的不確定性，醫生的專業能力達不到、標準單一化都有可能造成疾病類型、疾病程度誤判，不利于病患接受符合的救治手段而迅速康復，嚴重的還會加重病人病情，此外，人工醫學影響還會受到視覺影響，眼花、眼累等情況都會造成誤判、漏判;其次，醫學數據增長迅速、攝像數據增長緩慢，兩者之間差距較大，不利于相關醫師長時間學習和接受培訓，這也就意味著放射科中的醫生未來工作壓力會越來越大，很容易造成壓力負荷，不利于放射科長遠發展;最后，放射科的醫師缺乏強有力的方法和工具進行快速提升，無法保證競爭力提高，無法穩定科學發展局勢，而人工智能醫學影像卻可以促成影像方面的良性、長遠發展。

2 ?人工智能醫學影像應用的現實

人工智能醫學影像應用最成熟的版塊是圖像識別和深度學習，實現了自動化探查、自動化成像，其優勢被醫學領域充分應用，具體應用內容如下：

2.1 協助計算機展開工作

人工智能醫學影像的優勢發揮離不開計算機的協助，而計算機作為醫學信息傳達的最主要工具，人工智能醫學影像的加入，也較好的協助了計算機展開更多元化的工作，打造了圖像處理、計算機視覺、醫學影像，較好的通過系統處理對異常特征進行詳細標注，協助醫生更好探究病源，整體提高了醫學判定準確率。伴隨計算機技術的快速升級，基于機器學習和圖像處理技術的CAD在醫學影像領域中取得了重大突破，計算機圖像處理、數據累積能力都獲得大幅度提升，圖像顯現也更為清晰，深度學習在醫療圖像上的研究達到高潮，使得CAD結構不繁瑣、不混亂，較好的服務于醫學領域，也提高了自身的應用價值。

2.2 影像組學

影像組學這一名稱來源于CAD，在2012年被首次提出。這是一種以大數據為前提下的海量圖像處理技術，能夠對大量數據信息進行深層次挖掘、探究、解析，從而發現更多有價值的信息，能夠有效輔助醫學檢驗結果，從而提升判定準確率，對于今后的臨床對策提供有效幫扶。影像組學的分析流程氛圍五個環節，首先，是同構CT、PET等影像掃影技術采集需要的圖像;然后，對圖像有一個深入探究過程，進行圖像分割，分為多個區域;其次，對有疑問的地方進行標注、提取，其中包括紋理、位置、形狀等特征;另外，對標注出來的特征進行匯總分析，常用的分析辦法有主成分分析、相關性分析等等;最后，是通過機器學習方法達成影像組學預測和評估，構建出分類模型。

影像組學的出現，打破了以往醫學模式，摒棄了以往的形態學及半定量分析模式，較好的服務于醫學領域，也在醫學領域提供了海量的有效信心，對于探查部位的問題有了較好的初期判定，是重要的醫學信息，也是醫學中寶貴的研究財富。

2.3 影像基因組學

基因組學是伴隨社會發展、時間推移而逐漸成熟化的醫學內容，目的是實現更高效化醫療。傳統基因分析手段依靠的大多是活檢，其中的風險是不可忽視的，這也是它應用的弊端，容易產生不良反應和相關性的一系列問題。相較于以往，醫學影像在目標上應用的負面影響并不明顯，并沒有展現出侵入性特點，在此基礎上還實現了高分辨率、時空連續等特點，是目前生物醫學最有前景的研究領域之一。

3 ?人工智能醫學影像應用的挑戰

人工智能醫學影像雖然呈現出多元化的協助優勢，并產生了高效化的工作模式，但是仍舊在醫學應用中面臨眾多挑戰，具體如下：

3.1 政策層面挑戰

在2018年的政策法規中，強調了醫用軟件的分類，設定了不同審批通道。診斷軟件需要需要通過算法，提供診斷意見，而且只具備單一的診斷功能，不能直接下定論，目錄中的相關產品按照二類醫療器械進行統一管理;若診斷軟件除了有效病變識別，還提出更明確的診斷提示，可以歸為第三類醫療器械，按照第三類醫療器械管理辦法進行統一管理。當下的狀況是沒有沒有一家醫療企業的產品獲得三類證，并未進行市場有效管理、規范。國家食品藥品總局也在積極研究人工智能的臨床狀況，在借鑒西方國家經驗下，既要保證產品的安全，又要為人工智能產品的長遠發展規劃好路線。

在醫療場景中，醫療服務的新增收費項目沒有具體標準可參考，就算醫院引進并應用人工智能產品，也不能盡快進行收費，后果就是導致人工智能產品采購意愿的下跌，無法盡快在醫療市場中流通，不利于人工智能相關研發企業的快速發展、快速壯大。在這種現狀下，人工智能醫學影像也不會發展較快，不會實現快速更迭，也就減緩了醫學領域發展速度，不利于人工智能醫學影像更多功能的盡早開發。

3.2 技術層面挑戰

人工智能在醫學領域是有著巨大發展空間的，面對著五花八門的人工智能，國家未出臺統一管理標準和應用標準，人工智能中的數據標注技術也存在著種種問題，在應用上沒有百分百的把握，標注質量主要受標注人員的專業性、責任心、工作狀態等因素影響，很容易出現一些標注瑕疵，這是不可控的，標注質量完全無法確保。在這種狀態下，需要出臺相關制度進行有效干預，以此規范化產品研發。

臨床疾病種類眾多，需要人工智能產品根據不同類型疾病進行針對性的研發，開發出一款綜合性能、多樣功能的智能化醫學產品成為人工智能企業的重要發展方向，這個目標并沒有那么容易實現。醫學影像在獲取高質量數據方面存在著諸多缺陷。首先，高質量影像數據主要集中在有實力、有經濟基礎的三甲醫院，不能夠實現數據共享，不利于偏遠地區的中、小醫院應用，造成了數據流通、共享上的機制缺乏;然后，中國的醫療數據龐大，但是并不能較好的服務于人工智能影像，因為絕大部分數據都是非結構化數據，并沒有較好的參照價值和應用價值，再加上用不同設備、不同場景的數據并不能代表一些問題，無法真正利用到人工智能影像中;最后，臨床病癥指南也需要技術的更新進行更新，只有不斷完善、不斷更近，才能與時俱進，滿足當代人們的需求和醫療要求。

除此之外，機器學習算法的普適性也給人工智能醫學影像造成一定阻礙，為了增強算法的普適性，需要收集更多有用、合理數據，需要研發企業與醫院達成交流與合作，還需要企業間達成更多合作共識，從而克服普適性方面上的挑戰。

3.3 實際應用層面挑戰

雖然人工智能醫學影像已經取得了傲人成就，還有更長的創新之路要走，但是在臨床中的應用還是微乎其微，主要原因有數據上的缺漏，不能保持測試數據集上的高準確率。其次是醫學數據的搜集和處理不夠完善，沒有將醫生的工作流程、工作細節納入考慮范圍，醫生的思維與學識是很難復制的，也是很難融入人工智能醫學影像的，這樣看來，醫生的決策是綜合性的、全面性的。除此之外，先進人工智能醫學影像的應用也受醫院實力、醫院決策、醫生技術手段影響，醫院需要加強人工智能產品重視程度，利用自身優勢積極引進多臺先進人工智能醫學影像設備，還要定期對本院的醫生進行技術、知識上的培訓，定期展開測驗，確保人工智能醫學影像能夠充分被利用，也確保人工智能醫學影像在臨床中應用率提升。

3.4 行業層面挑戰

我國醫學影像發展較為迅速，已將AI上升到國家戰略層面，尤其可見，醫學影像的發展空間是巨大的、發展前景是良好的，醫院和醫生都會在國家支持的政策下迎來新面貌，同時也迎來了新挑戰。因為患者群體對于醫學影像概念及應用知之甚少，很有可能會產生應用誤解，很有可能造成片面解讀。因此，需要一個普及的過渡階段，對于收費方面而言，同樣也需要長時間的適應和認可階段。

4 ?結束語

綜上所述，人工智能醫學影像優勢突出，確保了疾病的篩查準確率，大大提升了篩查效率，更好的協助醫生確定病情、病情程度。但是不可忽視的是，人工智能醫學影像也面臨著眾多發展挑戰，還有很長的路要走，需要進一步結合環境變化、實際需求來加強功能和效率，不斷伴隨社會發展而做出改變，切實在影像方面發揮更強大功效，更好的造福人類。

參考文獻：

[1]粱振宇，翟艷東.人工智能在醫學影像中的應用[J].醫學信息學雜志，2019，40（09）：17-20.

[2]段慧，韓丹，張正華.肺結節人工智能技術在醫學影像學專業實習生教學中的初步應用[J].影像研究與醫學應用，2019，3（16）：247-248.

[3]王杜春，任龍，劉寧川，楊柳，何杰.人工智能+醫學影像在肺結節檢測中的應用研究[J].影像研究與醫學應用，2019，3（16）：39-41.

[4]劉豐偉，李漢軍，張逸鶴，李若松，王尊升，唐曉英.人工智能在醫學影像診斷中的應用[J].北京生物醫學工程，2019，38（02）：206-211.